Geri Dön

Methods for daily forecasting

Günlük veri tahminleme yöntemleri

PDF İndir

  1. Tez No: 270456
  2. Yazar: ÖZGE TUĞRUL
  3. Danışmanlar: DOÇ. WOLFGANG HÖRMANN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2010
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Birçok iş kolunda geleceğe yönelik planlar ve alınacak kararlar gelecekteki beklentilere göre şekillendiğinden, tahminleme büyük önem taşımaktadır. Bu tez günlük zaman serisi verileri için özel birtakım uygulamalarla geliştirilmiş tahminleme yöntemlerinin farklı tipte zaman serisi verilerine uygulanarak karşılaştırılmasını ve tahminleme deney sonuçlarının değerlendirmesini gerçekleştirmektedir. Bir tahminleme metodunun gerçeğe yakın tahmin değerleri vermesinin yanında, bu metodun kodlama ve uygulama aşamaları da önem teşkil etmektedir.Tezin birinci bölümünde tahminleme açıklanmış, ikinci bölümünde, tahminleme sürecinden bahsedilmiştir. Üçüncü bölümde literatürde uygulanmış tahminleme metotlarından bahsedilmiştir. Tezde uygulanacak olan metotların açıklamalarına basit tahminleme yöntemi ile dördüncü bölümde başlanmıştır. Beşinci bölüm zaman serisi regresyon metotlarını, altıncı bölüm ise çeşitli üstel düzeltme yöntemlerini açıklamaktadır. Yedinci bölümde otoregresif hareketli ortalama metodu hakkında açıklamalar ve uygulanan günlük tahminleme metodu yer almaktadır. Sekizinci bölümde, ?R? programında yazılmış tahminleme yöntemlerinin uygulanmasına yönelik fonksiyonların açıklamaları yapılmıştır. Tahminleme metotlarını değerlendirmeye yönelik deney sonuçları ve değerlendirmeler dokuzuncu bölümde verilmiştir. En son bölümde ise, yöntemler hakkında genel bir değerlendirme yapılıp, sonuca varılmıştır.

Özet (Çeviri)

For many branches of business daily forecasting constitutes an important activity, since future plans are made or decisions are taken according to the future expectations. This thesis provides a comparison of different daily forecasting methods with special implementations for different time series data and evaluates the results of forecasting experiments. It is important for the selected forecasting method to give more accurate results and smaller forecast errors. Also, the coding and the implementation processes have an effect in choosing a forecasting method.The first chapter explains forecasting, the second chapter gives information about the forecasting process, the third chapter gives examples of the forecasting methods used in the literature. The explanation of forecasting methods begins with the fourth chapter with the explanation of the so called ?naive method?. The fifth chapter explains time series regression methods, the sixth chapter presents exponential smoothing methods, the seventh chapter gives information about the autoregressive integrated moving average method. The eight chapter explains the implementation of these forecasting methods written on ?R? program. The experiments evaluating these forecasting methods are introduced and explained in the ninth chapter. Finally, a general overview of the methods is presented.

Benzer Tezler

  1. Tez No

    841226

    Developing a decision-support system using machine learning and deep learning models for daily demand forecasting: A case study

    Günlük talep tahmini için makine öğrenimi ve derin öğrenme modelleri kullanarak karar destek sistemi geliştirme: Bir vaka çalişmasi

    RANA EZGİ KÖSE

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    İşletme Mühendisliği Ana Bilim Dalı

    PROF. DR. FERHAN ÇEBİ

  2. Tez No

    975669

    Yapay zeka alt dalları ve uygulama alanları: BIST 100 tahmini için geleneksel ve yapay zeka yöntemlerine uygulanabilir üç katmanlı zenginleştirici bir yapay öğrenme katmanı–TriNet-Fin

    Artificial intelligence subfields and application domains: A three-layered enriching artificial learning architecture for BIST 100 forecasting via traditional and AI-based methods–TriNet-Fin

    HÜSEYİN İŞCAN

    Doktora

    Türkçe

    Türkçe

    2025

    EkonomiSüleyman Demirel Üniversitesi

    İktisat Ana Bilim Dalı

    PROF. DR. AYŞE DURGUN KAYGISIZ

  3. Tez No

    920628

    A novel approach for time series forecast combinations based on multi-criteria decision making (MCDM) methods

    Zaman serisi tahmin kombinasyonları için çok kriterli karar verme yöntemlerine dayalı yeni bir yaklaşım

    TUĞBA YASEMİN KARAGÖZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ERKAN IŞIKLI

  4. Tez No

    284732

    Fırat-Dicle havzasında günlük nehir akımlarının faklı yapay zeka yöntemleri ile tahmini

    Prediction of daily river flows in Firat-Dicle basin using different artificial intelligence methods

    ALİ GÜNDÜZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2011

    İnşaat MühendisliğiFırat Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. M. EMİN EMİROĞLU

  5. Tez No

    925926

    Daily close price estimation for Exxonmobil and British Petroleum Corporations using machine learning and deep learning models: A pilot study

    Exxonmobil ve British Petroleum Corporations için makine öğrenmesi ve derin öğrenme modelleri kullanarak günlük kapanış fiyatı tahmini: Bir pilot çalışma

    AHMED YASEEN KHUDHUR

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir Üniversitesi

    Büyük Veri ve Veri Analitiği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÜNET EROĞLU

Geri Dön